Solution Architect (Databricks)

Lutech; Madrid; Híbrido; EUR 90.000 - 150.000; Jornada completa

Descripción de la vacante

Lutech Sweeft, referente tecnológico en datos e IA, busca un Senior Data Architect (DataBricks) para diseñar arquitecturas de datos complejas y liderar iniciativas de Lakehouse en entornos multi-nube. El rol implica definir soluciones, optimizar costos y supervisar la implementación técnica.

Se valorará experiencia con Databricks, Spark y governanza de datos, así como capacidad para comunicar decisiones técnicas a clientes y equipos. Modalidad híbrida en Madrid.

Formación

• Experiencia en arquitectura de datos para plataformas integrales de datos de alto rendimiento.

Responsabilidades

• Apoyo en preventa para definir soluciones arquitectónicas y estimación de costes.

Conocimientos

Data architecture

Data modeling

Distributed processing

Databricks / Spark

Delta Lake / lakehouse

Cloud platforms (Azure/AWS)

Data governance

Security & compliance

Educación

No formal degree specified

Herramientas

Databricks

Apache Spark

SQL

Airflow

Delta Lake

Azure/AWS

Descripción del empleo

The Digital Evolution Company Of Today And Tomorrow

Lutech Sweeft es un referente tecnológico y un motor estratégico de innovación en Digital, Datos e IA dentro del mercado ibérico. Como parte del Grupo Lutech, combinamos nuestro reconocimiento como Google Cloud Partner of the Year 2024 con más de 30 años de experiencia como SAP Gold Partner. Diseñamos soluciones integrales que transforman organizaciones complejas en empresas inteligentes y orientadas al dato, desde la creación de infraestructuras preparadas para la IA hasta la optimización de sistemas críticos. Únete a nosotros para impulsar el camino hacia la inteligencia accionable y generar un impacto global medible.

Puesto

Buscamos un perfil Senior Data Architect (DataBricks) con las siguientes responsabilidades:

Responsabilidades

• Apoyo en las fases de preventa proporcionando la información necesaria para definir una solución arquitectónica y su estimación de costes asociada.
• Definición de la arquitectura de la solución —desde el diseño conceptual hasta las decisiones de implementación— documentando los fundamentos y las alternativas descartadas.
• Gestión de restricciones contrapuestas —como rendimiento, costes operativos, seguridad, mantenimiento y plazos de entrega— y comunica claramente al cliente las compensaciones resultantes.
• Garantía de la coherencia arquitectónica a lo largo del proyecto, verificando que las implementaciones se ajusten al diseño e interviniendo si la solución comienza a desviarse.
• Coordina las operaciones del equipo técnico: asignación de tareas, verificación de resultados, realización de revisiones técnicas y gestión de escalados.
• Gestión de la comunicación arquitectónica con los interlocutores técnicos y de negocio del cliente: recopilación de requisitos, explicación de decisiones de diseño, resolución de objeciones y acuerdo sobre prioridades de implementación.
• Diseño de arquitecturas basadas en agentes: definiendo la división entre agentes y herramientas, el acceso a bases de conocimiento, las pasarelas de modelos, los puntos de control con intervención humana (human-in-the-loop) y los marcos de gobernanza.
• Fomentar el crecimiento técnico del equipo evaluando nuevas tecnologías e integrando en las capacidades de la organización los hallazgos validados en la práctica.

Requisitos

Habilidades técnicas

• Arquitectura de datos: capacidad para diseñar una plataforma de datos integral que abarque la ingesta desde fuentes heterogéneas, la organización en capas de refinamiento, el procesamiento por lotes y en tiempo real, y la exposición de datos a diversos consumidores.
• Modelado: dominio de modelos analíticos y estrategias de historial de datos, con capacidad para seleccionar el enfoque adecuado según el caso de uso específico en lugar de basarse en la costumbre.
• Procesamiento a gran escala: profundo conocimiento de los mecanismos de computación distribuida, sus limitaciones y los factores que determinan el costo y el rendimiento.
• Big Data y Apache Spark en Databricks: dominio del ecosistema Spark y capacidad para dimensionar y optimizar cargas de trabajo distribuidas que implican grandes volúmenes de datos; esto incluye estrategias de particionamiento, minimización del intercambio de datos entre nodos (shuffling), selección de formatos de almacenamiento y tablas transaccionales, y gestión de costos de computación. Se requiere experiencia práctica en la ejecución y optimización de estas cargas de trabajo en el entorno de ejecución (runtime) de Databricks.
• Plataforma Databricks (habilidad preferente y diferenciadora): conocimiento profundo de la arquitectura lakehouse y sus componentes, incluyendo el formato de tabla transaccional Delta Lake y las mejores prácticas de optimización, la organización de capas de refinamiento, las canalizaciones (pipelines) declarativas y la orquestación de flujos de trabajo, el motor SQL para análisis y la gestión de entornos de computación y políticas de acceso. Los candidatos deben ser capaces de justificar las decisiones de configuración y anticipar su impacto en el rendimiento y el costo.
• Integración de Databricks en el ecosistema de nube: capacidad para ubicar la plataforma dentro de la arquitectura del cliente en Azure o AWS, abarcando el diseño del espacio de trabajo, redes y aislamiento, perfiles de identidad y acceso, almacenamiento subyacente e integración con servicios existentes de ingesta, orquestación y exposición de datos.
• Arquitectura de sistemas generativos: capacidad para diseñar el marco de trabajo de una solución basada en modelos —incluyendo la orquestación de agentes, bases de conocimiento vectoriales y de grafos, pasarelas hacia proveedores de modelos, observabilidad y gobernanza de acceso— aprovechando los servicios nativos de Databricks para búsqueda vectorial, despliegue de modelos y evaluación de aplicaciones generativas.
• Gobernanza de datos: catalogación, linaje de datos, calidad, gestión de acceso y cumplimiento de normativas de protección de datos. Se requiere competencia en el uso del catálogo unificado de Databricks como herramienta de gobernanza, abarcando la jerarquía de objetos, la definición de permisos granulares, el linaje y el intercambio de datos externos.
• Integración: conocimiento de patrones de integración de aplicaciones —interfaces síncronas y asíncronas, mensajería, eventos— suficiente para diseñar la solución integral y colaborar eficazmente con los arquitectos de aplicaciones.
• Industrialización: gestión de infraestructura como código, automatización de despliegues, segregación de entornos y observabilidad de la plataforma; específicamente en Databricks, esto implica el control de versiones del código, el empaquetado y promoción de activos entre entornos, y la automatización de los flujos de despliegue (pipelines).
• Aspectos económicos de la solución: capacidad para estimar y controlar los costes operativos de una plataforma de datos y, en el caso de sistemas generativos, el coste por ejecución; a este nivel, constituye una responsabilidad arquitectónica fundamental.
• Amplitud tecnológica: aunque Databricks sea la plataforma principal, se requiere experiencia con al menos otro ecosistema en la nube o plataforma de datos de terceros, así como la capacidad de identificar equivalentes funcionales, evaluar los riesgos de dependencia de un proveedor (vendor lock-in) y articular el posicionamiento de Databricks frente a las alternativas.
• Seguridad: clasificación de la información, cifrado, segregación de accesos y auditoría, incluyendo el conocimiento de los requisitos propios de sectores regulados.

Otra Información

• Madrid — modalidad híbrida.
• Inglés, nivel B2-C1 (nivel conversacional).